摘要
为有效提高异类传感器融合跟踪的效果,提出了一种基于UKF的雷达和机载ESM扩维跟踪算法。首先将目标和机载ESM的状态信息组合起来,形成一个高维的状态向量,从而有效抑制滤波中GPS定位误差所带来的影响;接着在此基础上采用UKF来实现目标的定位跟踪,以求进一步减小扩维后线性化误差加大等问题的影响。仿真结果表明,该算法可更好地实现对目标的定位跟踪。
In order to improve the fusion tracking of radar and airborne ESM sendors,an augmented tracking algorithm is proposed based on unscented Kalman filter（UKF）.For this method,a high dimension state vector is formed by combining the state information of target and airborne ESM firstly,then the UKF is further used to improve such issues as the increasing of linearization error after augmenting.Simulation results show that target tracking can be finished more effectively by the using the proposed method.
出处
《国外电子测量技术》
2011年第9期30-32,39,共4页
Foreign Electronic Measurement Technology
基金
国家自然科学基金(61032001
60972159
61002006)
航空基金(20085184003)资助项目
关键词
不敏卡尔曼滤波
扩维跟踪
雷达
UKF
augmented tracking
radar（上接第32页）估计误差和速度估计误差均呈逐渐收敛的趋势
且它们的误差估计值明显小于非扩维时的情况。图4和图5分别描述了不同滤波算法下下目标的位置和速度估计误差。从图4和图5可以看出
基于UKF的目标位置估计误差和速度估计误差均小于基于EKF时的情况
同时很好地解决了扩维后线性化误差加大等问题的影响。因此
基于UKF的雷达和机载ESM扩维跟踪算法可更好的实现对目标的定位跟踪。3 结束语本文雷达和机载ESM融合跟踪的问题进行了深入的研究
提出了一种基于UKF的雷达和机载ESM扩维跟踪算法
并通过蒙特卡洛仿真同非扩维情况进行了对比验证。仿真结果表明
本文所提的基于UKF的雷达和机载ESM扩维跟踪算法不仅可以有效地提高雷达和机载ESM融合跟踪的定位精度
而且较大程度地克服了ESM的GPS定位误差所带来的影响。因此
研究基于UKF的雷达和机载ESM扩维跟踪算法有着重要的意义。
